Regressione gerarchicaCome si specificano blocchi di variabili in una regressione gerarchica
Grazie
AnaliticaRe: Regressione gerarchicaLa domanda è come prendere molte colonne?
Potresti voler utilizzare il menu del filtro delle colonne:
Avvia Windows nelle piattaforme (jmp.com)
Re: Regressione gerarchicaSe ti riferisci alla regressione lineare gerarchica, non penso che questa sia una piattaforma separata in JMP.Ciò potrebbe essere dovuto al fatto che esistono alternative abbastanza semplici (almeno in base alla mia comprensione della regressione lineare gerarchica):
- aggiunta/rimozione di termini nel report standard dei contratti di locazione,
- regressione graduale e,
- modellazione d'insieme.
Si noti che per la modellazione dell'insieme è possibile estenderla oltre la semplice regressione lineare, è possibile decidere se includere una partizione dopo una regressione lineare.
Aggiungi/Rimuovi termini
La sezione di riepilogo degli effetti del rapporto sui minimi quadrati ha opzioni per aggiungere/rimuovere termini, puoi confrontare le tue statistiche di riepilogo proprio come descritto nella sezione passo passo.
Per gradi
Invece di aggiungere variabili in blocchi, puoi aggiungerle individualmente in qualsiasi ordine e fermarti dopo aver aggiunto ogni blocco.Usando il modello di adattamento aggiungi tutti i termini possibili in ogni gruppo come effetti del modello. Ad esempio, se si desidera prevedere l'età nel set di dati della classe grande in base all'altezza e al peso e quindi decidere se aggiungere il termine altezza*peso, aggiungere tutti e tre i termini nella finestra di dialogo di avvio del modello.Quindi inserisci i termini nel tuo primo blocco, registra l'adattamento del modello parametri , quindi aggiungi il tuo secondo blocco e confronta.È possibile che tu possa utilizzare le impostazioni nella sezione Stepwise Regression Control per portarti automaticamente al modello che avresti scelto tu stesso.
Nel lancio di Fit Model aggiungi tutti gli effetti del modello e seleziona gradualmente:
Aggiungi le variabili del primo blocco (sto ignorando il valore P per il peso):
Ora aggiungi il secondo blocco e nota come RSquare è leggermente aumentato, ma anche AIC e BIC, probabilmente indicando che non vorresti includere il secondo blocco.
Modellazione d'insieme
In fit model, costruisci un modello usando il primo blocco e salva i residui. Quindi provare a prevedere i residui utilizzando i modelli successivi.
Costruisci un modello usando il primo blocco: qui ho convertito l'età in continuo per rendere l'esempio più semplice.
Salva le previsioni e i residui:
Ora avvia nuovamente il modello di adattamento e prevedi il residuo dal primo modello utilizzando il secondo blocco, ricorda che nessuno di questi doveva essere un modello lineare. Potresti ricevere un messaggio che ti manca un effetto perché JMP (correttamente) non vuole creare un modello dal termine incrociato senza ogni singolo termine.In questo esempio erano già inclusi nel passaggio precedente ma potresti aggiungerli di nuovo.
Ora puoi usare i risultati in questo modello per decidere se includere il secondo blocco nel tuo modello finale. In questo caso il valore p per entrambi i termini è molto alto, indicando che non dovresti includere il blocco 2.
Per ottenere la previsione utilizzando entrambi i modelli, aggiungi semplicemente le previsioni di ciascuno:
Re: Regressione gerarchicaL'idea di regressione gerarchica sembra avere un significato diverso per persone diverse. Ecco cosa cerco:
La regressione gerarchica è un modo per mostrare se le variabili di tuo interesse spiegano una quantità statisticamente significativa di varianza nella tua variabile dipendente (DV) dopo aver tenuto conto di tutte le altre variabili. Questo è un quadro per il confronto dei modelli piuttosto che un metodo statistico . In questo framework, costruisci diversi modelli di regressione aggiungendo variabili a un modello precedente a ogni passaggio; i modelli successivi includono sempre i modelli più piccoli nei passaggi precedenti. In molti casi, il nostro interesse è determinare se le nuove variabili aggiunte mostrano un miglioramento significativo in R 2 (la proporzione della varianza spiegata in DV dal modello).
L'idea è di tenere conto della varianza da fonti che potrebbero confondere o nascondere gli effetti della variabile di interesse. Ad esempio, gli effetti TV. Un modello potrebbe voler sapere se l'attività aggressiva è "causata" guardando la violenza dei cartoni animati, ma ci sono altri fattori, quindi un modello gerarchico potrebbe includere blocchi di variabili inseriti uno per uno.Con tutta la varianza spuria rappresentata da un blocchi Rq, l'ultimo termine è la variabile di interesse. Il modello potrebbe assomigliare a questo:
Misura del comportamento aggressivo = (età, sesso) + (istruzione, reddito) + (esposizione alla violenza televisiva)
Guardi la R sq per ogni blocco.(Ignori l'attività all'interno di ogni blocco.) Se c'è ancora un Rsq interessante per la violenza televisiva, fai l'affermazione che è significativo anche dopo che le altre variabili sono state prese in considerazione.In questo modo puoi fare un'affermazione piuttosto forte.
È facile da fare in SPSS e sono un po' deluso dal fatto che JMP non offra un modo simile per creare in sequenza blocchi di variabili.
A meno che non ci sia qualcosa che JMP abbia scoperto con Stepwise, UGH.Alla scuola di specializzazione ci è stato insegnato che la regressione graduale è "non sapere nulla" perché le variabili dell'ordine sono inserite ha a che fare con l'algoritmo del programma e non con la teoria.Questo è facile da mostrare trascinando le variabili dentro e fuori da un modello graduale e osservando i coefficienti impazzire. Il documento JMP su stepwise suggerisce di eseguire un modello complesso e quindi di eliminare le variabili in base al "significato" NON
Guarderò l'esempio che mi hai dato alla fine del tuo post, ma non sono sicuro che sia quello che sto cercando
Grazie per l'aiuto
Re: Regressione gerarchicaLa tua spiegazione è molto meglio del tuo post originale, grazie. Gerarchia (o annidato) è un termine specifico usato per designare una relazione specifica tra componenti di variazione o fattori. La gerarchia implica che c'è un ordine razionale che deve essere tenuto in considerazione. Ad esempio Batch-to-batch e all'interno di batch. All'interno del batch deve essere nidificato all'interno del batch... non è possibile ottenere più batch da un campione all'interno del batch.
Ecco i miei pensieri:
Per quanto riguarda " La regressione gerarchica è un modo per mostrare se le variabili di tuo interesse spiegano una quantità statisticamente significativa di varianza nella tua variabile dipendente (DV) dopo aver tenuto conto di tutte le altre variabili."
1. La significatività statistica è un'affermazione condizionale. Dipende dallo spazio di inferenza e da quali componenti vengono confrontati. Dipende completamente da come sono stati raccolti i dati. Non sono esattamente sicuro di cosa intendi con "dopo aver tenuto conto di tutte le altre variabili"? L'analisi utilizzando il tipo III SS valuterà ogni termine nel tuo modello dopo che tutti gli altri termini nel tuo modello sono stati contabilizzati, ma non penso che sia quello che intendi ...
2. Il contesto è sempre necessario per interpretare l'analisi eseguita dal software. Il contesto deve essere fornito dall'argomento "esperti".
3. La progettazione di un piano di raccolta dati che sia guidato da ipotesi e successivamente includa le fonti di variazione rappresentative di tali ipotesi è qualcosa che tu fai... non il software. Il modo in cui scegli di sottoimpostare quelle fonti e quali confronti vuoi fare è una tua decisione. Il fatto che tali fonti siano nidificate, sistematiche o incrociate dipende dalla modalità di raccolta dei dati.
4. Gli Rsq sono solo una delle metriche utilizzate per sviluppare i modelli. Non limiterei la costruzione del modello a quell'unico valore e userei Rsq rettificato come predefinito. Si consideri il delta tra Rsq e Rsq aggiustato (per una specifica eccessiva del modello), RMSE, valori p, residui e grafici residui, et. al.
5. " In questo framework, costruisci diversi modelli di regressione aggiungendo variabili a un modello precedente a ogni passaggio; i modelli successivi includono sempre i modelli più piccoli nei passaggi precedenti." Questa è essenzialmente una regressione graduale. Puoi scegliere i componenti con cui iniziare e quali componenti aggiungere oppure puoi lasciare che il software lo valuti in base a criteri che hai impostato.
https://www.jmp.com/support/help/en/16.2/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/stepwise-regression-models.shtml
È inoltre possibile utilizzare piattaforme di partizionamento per eseguire funzioni simili.
https://www.jmp.com/support/help/en/16.2/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/partition-models.shtml
Un'altra opzione in JMP è confrontare i modelli:
https://www.jmp.com/support/help/en/16.2/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/model-comparison.shtml#186176
6. " È facile da fare in SPSS e sono un po' deluso dal fatto che JMP non offra un modo simile per creare in sequenza blocchi di variabili". Non uso SPSS, ma se potessi mostrarci cosa intendi, potremmo essere in grado di guidarti. Cosa vuoi dire che il software crea blocchi in sequenza? Tu entri ipotesi in SPSS e crea correttamente blocchi per te? Mi piacerebbe vederlo.
7. Misura del comportamento aggressivo = (età, sesso) + (istruzione, reddito) + (esposizione alla violenza televisiva). Ci sono molte altre variabili che non hai incluso o sono confuse con il tuo modello. Dati demografici, nucleo familiare, trauma personale, educazione, esposizione a violenza reale. E come si misura il comportamento aggressivo?Il tuo sistema di misurazione è coerente? Il tuo sistema di misurazione altera i risultati?
